排序方式: 共有38条查询结果,搜索用时 31 毫秒
1.
2.
基于EFFD方法的自然层流短舱优化设计 总被引:3,自引:1,他引:2
采用extended free-form deformation(EFFD)方法研究了自然层流(natural laminar flow,NLF)短舱的气动外形优化设计方法.使用基于Bernstein基函数的EFFD方法完成了NLF短舱剖面的参数化,利用基于k-εSST(shear stress transport)两方程湍流模型的γ-θ转捩模型进行自然转捩预测,结合EFFD、一种混合动网格方法、Kriging代理模型和改进的粒子群算法(particle swarm optimization,PSO)建立了针对NLF短舱气动外形的优化设计框架.采用该框架分别对通气NLF短舱和带动力NLF短舱进行优化设计.单独通气NLF短舱优化结果的外表面实现48%的层流,阻力系数比初始通气NLF短舱减小了0.0003.带动力NLF短舱的优化结果外表面保持了41%的层流.这些结果表明采用相关技术建立的优化设计框架在NLF短舱设计中具有一定应用价值. 相似文献
3.
4.
对于翼型气动隐身设计问题,设计变量的配置对设计结果影响很大,而简单地增加设计变量不能保证得到理想的结果。提出一种适用于代理模型全局优化的自适应参数化方法:利用全局敏感性分析方法——基本效应法,得到设计空间关于目标函数的敏感区域信息,并以此为根据增加设计变量;利用节点插入算法将低维样本在高维空间内进行重构,避免了重新取样的工作量。相对于传统固定设计空间维度方法,自适应参数化方法在设计空间的敏感区域扩展维度,能够更加精准地描述外形并反映目标的变化趋势。通过飞翼布局翼型的气动隐身优化算例,证实自适应参数化方法可以大幅提高优化设计质量和效率。 相似文献
5.
滑跃式高超音速巡航飞行器设计初步研究 总被引:1,自引:0,他引:1
在分析国外滑跃式高超音速巡航飞行器的发展现状基础上,提出了高超音速巡航飞行器的概念设计,对滑跃式高超音速巡航飞行器总体方案提出了设想。选择乘波构型建立了滑跃式高超音速巡航飞行器的气动布局,采用Euler方程数值解法Dahlem-Buck公式和切楔法对气动布局的亚、跨、超、高超音速气动特性进行了计算分析。由结果可见,建立的气动布局可满足总体方案设想中飞行任务要求。对滑跃式高超音速巡航飞行器的动力技术进行了初步研究,分析了采用火箭基组合循环发动机(RBCC)方案所需的燃料消耗。由初步分析计算结果可见,对于Ma≈10的滑跃式高超音速巡航飞行器,采用RBCC作为推进系统,可满足总体方案的技术要求。 相似文献
6.
C-HGB (Common Hypersonic Glide Body)作为美国现今试验成功率最高的高超声速滑翔飞行器已被美国防部列入重点发展项目,并预计发展为三军通用武器。本文针对此类"球+双锥+弹翼"的气动外形和隐身性能进行了研究。采用考虑交互作用的正交设计进行了多约束下参数敏感性分析,并采用改进的基于DE差分变异算子的具有自适应学习机制的优化算法进行气动优化,对优化后的外形采用简单高效的锐边化设计,在提高升阻比的同时可降低雷达散射截面积,极大提高突防能力。锐边设计改变了弹体部分表面温度分布,降低制造成本的同时对热防护系统的设计和红外隐身具有一定积极意义。结果表明:锐边化设计可以得到较好的气动隐身性能,是未来高超声速滑翔飞行器的潜在设计方案。 相似文献
7.
8.
飞行仿真获取气动力/力矩的传统方法主要是将气动力模型硬编码在仿真程序进行求解。由于气动力模型和求解程序耦合,一旦修正或更换气动力模型,需要花费大量代价来重新构建仿真过程,无法满足现代飞行器仿真的需求。根据气动力模型树形结构的特点,提出了气动力模型树的概念并基于XML语言的特点设计了一种模型存储格式(MBX)来存储气动力模型树。MBX存储格式不仅提高了飞行仿真系统更换和修正气动力模型的效率,而且提高了气动力/力矩解算的通用性,使得气动力/力矩的求解能够被标准化。MBX存储格式作为气动力模型交换标准不仅能把不同部门交换气动力模型的时间从几周/人缩短至几天/人,也能加快气动力模型逼近飞机真实气动特性的进程。 相似文献
9.
基于细菌觅食性的改进粒子群优化算法翼型设计 总被引:1,自引:0,他引:1
提出了一种基于细菌觅食性的改进粒子群优化算法。该算法以粒子群优化算法的社会模型为基础,添加了个体之间的交流项,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,同时,引入了细菌觅食算法中的趋化和驱散机制,使得算法能够有效地跳出局部最优。函数测试结果表明,该算法显著地提高了粒子群优化算法的寻优性能,并将该算法应用到了翼型设计之中。 相似文献
10.
改进的粒子群优化算法在气动设计中的应用 总被引:1,自引:0,他引:1
为了提高优化系统的搜索效率,发展出了社会模型这种改进智能优化算法的通用策略,在此基础上,提出了一种基于社会模型的改进粒子群优化(IPSOSM)算法。该算法对社会模型进行了分析并在此指导下,将人工鱼群算法(AFSA)中的聚群行为引入到粒子群优化(PSO)算法中,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,使得IPSOSM算法能够有效地跳出局部最优。函数测试表明,该算法显著提高了PSO算法的寻优性能。将IPSOSM算法应用到翼型和机翼的气动优化设计之中,取得了良好的结果,从而表明提出的算法简洁有效,具有较好的实用性。 相似文献